COMPUTERPROGRAMMPRODUKT, MENSCH-MASCHINE-SCHNITTSTELLE SOWIE KRAFTFAHRZEUG

Vorliegend werden ein Verfahren zur Darstellung von Informationen auf einer Mensch-Ma- schine-Schnittstelle eines Kraftfahrzeugs, ein Computerprogrammprodukt, Mensch-Ma- schine-Schnittstellen sowie ein Kraftfahrzeug beschrieben.

Verfahren zur Darstellung von Informationen auf einer Mensch-Maschine-Schnittsteile ei nes Kraftfahrzeugs, Computerprogrammprodukte, Mensch-Maschine-Schnittsteilen sowie Kraftfahrzeuge der eingangs genannten Art sind im Stand der Technik bekannt.

Die Menge von Informationen, die ein Fahrer salient und schnell erfassen kann, ist abhän gig von der kognitiven Last, der ein Fahrer während einer aktuellen Fahrsituation ausge setzt ist. Die kognitive Last gibt wieder, wie stark der Fahrer mental beansprucht wird, um eine Situation, insbesondere eine Fahrsituation, vollständig zu erfassen und richtig reagie ren zu können. Je mehr Informationen ein Fahrer aufnehmen muss, desto höher ist seine kognitive Last. Je komplexer eine Fahrsituation ist, desto mehr muss sich der Fahrer kon zentrieren. Auf einer einfachen Strecke mit wenig Verkehr ist weniger Aufmerksamkeit er forderlich als auf einer viel befahrenen, kurvigen Strecke, die zügig gefahren wird. Eben falls gilt es eine kognitive Unterforderung des Fahrers zu umgehen. Auf einer geraden Strecke mit wenig Verkehr bei gleichbleibender Geschwindigkeit droht ein Konzentrations verlust des Fahrers. Im ersteren Fall fällt es dem Fahrer leicht, eine Vielzahl von Informati onen einer Mensch-Maschine-Schnittsteile zu erfassen und auszuwerten. Im zweiten Fall könnte der Fahrer durch zu viel Information überfordert werden und dem Verkehr nicht mehr ausreichend Aufmerksamkeit widmen. Im dritten Fall der Vigilanz fällt es dem Fahrer schwerer, sich ändernde und hinzugefügte Informationen aufzunehmen und angemessen zu verarbeiten.

Eine Fahrsituation beschreibt die Interaktion zwischen Fahrer, Fahrzeug und Umwelt. Adaptive Anzeigen sind an sich bekannt. In der einfachsten Form ist es bekannt, bei Tag und bei Nacht unterschiedliche Anzeigemodi zu verwenden, beispielsweise ein Nachtmo dus auf einem Display. Auch ist es bekannt, die Farbe der Anzeige zu variieren. Des Wei teren ist es bekannt, die Anzeige abhängig vom Fahrmodus zu konfigurieren, beispiels weise bei Sportwagen unterschiedlich für einen Straßenbetrieb und für einen Rennstre ckenbetrieb. Darüber hinaus gibt es variable Displays, in denen Informationen unter schiedlich groß dargestellt werden können. Die entsprechenden Adaptionen der Anzeigen werden entweder automatisch vorgenommen, zum Beispiel in Abhängigkeit von der Um gebungshelligkeit, oder manuell, zum Beispiel bei der Auswahl eines Anzeigemodus oder einer Darstellungsfarbe.

Aus der DE 102007 058437 A1 ist ein Verfahren zur Informationsvermittlung an den Fahrer eines Kraftfahrzeugs bekannt, bei dem optische Informationsanzeigen mittels ei nes Head-up-Displays dem Fahrer zur Ansicht gebracht werden, wobei die Gesamtan zeige des Head-up-Displays eine Gruppe benachbarter Anzeigefelder umfasst, in welchen Informationsanzeigen anzeigbar sind, wobei jedes Element einer Menge möglicher Infor mationsanzeigen zur Anzeige einem der Anzeigefelder zugeordnet ist, wobei charakteris tische Fahrsituationsparameter der aktuellen Fahrsituation bestimmt werden, wobei für je des Anzeigefeld abhängig von den charakteristischen Fahrsituationsparametern eine Prio- risierung der diesem Anzeigefeld zugeordneten Informationsanzeigen vorgenommen wird und wobei der Inhalt jedes Anzeigefelds in Abhängigkeit von der für dieses Anzeigefeld vorgenommenen Priorisierung festgelegt wird.

Die aus dem Stand der Technik bekannten Fahrsituationsparameter können zwar manch mal koinzident mit der kognitiven Last des Fahrers korrelieren, aber es gibt auch Situatio nen, in denen eine Vielzahl von Informationen angezeigt werden würde, obwohl die kogni tive Last des Fahrers hoch ist. In diesen Fällen könnte die Anzahl der angezeigten Infor mationen den Fahrer überfordern.

Somit stellt sich die Aufgabe, Verfahren zur Darstellung von Informationen auf einer Mensch-Maschine-Schnittsteile eines Kraftfahrzeugs, Computerprogrammprodukte, Mensch-Maschine-Schnittsteilen sowie Kraftfahrzeuge der eingangs genannten Art dahin gehend weiterzubilden, dass die kognitive Last eines Fahrers unmittelbarer und damit ge nauer ermittelt werden kann und die Mensch-Maschine-Schnittsteile entsprechend konfi guriert werden kann. Eine weitere Aufgabe ist es, die individuelle kognitive Leistungsfähig keit eines jeweiligen konkreten Fahrers berücksichtigen zu können. Die Aufgabe wird gelöst durch ein Verfahren zur Darstellung von Informationen auf einer Mensch-Maschine-Schnittsteile gemäß Anspruch 1, ein Computerprogrammprodukt ge mäß dem nebengeordneten Anspruch 10, eine Mensch-Maschine-Schnittsteile gemäß dem nebengeordneten Anspruch 11 , eine Mensch-Maschine-Schnittsteile gemäß dem ne bengeordneten Anspruch 12 sowie ein Kraftfahrzeug gemäß dem nebengeordneten An spruch 15. Weiterführende Ausgestaltungen und Weiterbildungen sind Gegenstand der abhängigen Ansprüche.

Nachfolgend wird ein Verfahren zur Steuerung einer Mensch-Maschine-Schnittsteile eines Kraftfahrzeugs beschrieben, wobei die Mensch-Maschine-Schnittsteile wenigstens eine Anzeigevorrichtung zur Darstellung von Informationen aufweist, wobei wenigstens ein Fahrsituationsparameter ermittelt wird, der eine Fahrsituation des Kraftfahrzeuges charak terisiert, und wobei in Abhängigkeit des ermittelten Fahrsituationsparameters mittels eines Algorithmus ein Lastparameter bestimmt wird, der eine kognitive Last eines Fahrers des Kraftfahrzeugs charakterisiert, sodass eine Informationsdichte der wenigstens einen An zeigevorrichtung von mittels der Anzeigevorrichtung darzustellenden Informationen in Ab hängigkeit des Lastparameters angepasst wird, wobei der Algorithmus einen Datensatz mit Fahrsituationsparametern umfasst, wobei jedem Fahrsituationsparameter jeweils ein Lastparameter zugeordnet ist, wobei die Lastparameter auf Basis wenigstens einer ge messenen Messgröße beruhen, die ein Verhalten des Fahrers charakterisieren.

Durch Bestimmung der kognitiven Last eines Fahrers und Wahl der passenden Informati onsdichte kann sichergestellt werden, dass dem Fahrer nur so viele Informationen ange zeigt werden, wie er auch verarbeiten kann. Eine Beeinträchtigung der Informationsverar beitungskapazität des Fahrers durch zu viele und sich ändernden Informationen kann dadurch vermieden werden und der Fahrer hat mehr geistige Ressourcen frei, um sich dem Verkehrsgeschehen zu widmen.

Dabei kann eine Auswahl der jeweils relevantesten Informationen in Abhängigkeit von der Situation erfolgen, beispielsweise eine Navigationsinformation, wenn der Fahrer dem nächst einen Knotenpunkt erreichen wird, eine Geschwindigkeitsinformation, wenn der Fahrer zu schnell oder zu langsam fährt, oder eine Warnung, wenn beispielsweise der Verkehr eine erhöhte Aufmerksamkeit erfordert. In einer ersten weiterführenden Ausgestaltung kann vorgesehen sein, dass ferner ein Ver haltensparameter ermittelt wird, der ein aktuelles Verhalten des Fahrers charakterisiert, wobei die Informationsdichte der auf der Anzeigevorrichtung darzustellenden Informatio nen unter Berücksichtigung von dem ermittelten Verhaltensparameter variiert wird.

Das Verhalten des Fahrers ist eine zuverlässige Messgröße für die kognitive Last des Fahrers. Hierdurch kann eine bessere Anpassung der Informationsdichte auf die momen tanen Bedürfnisse des Fahrers stattfinden.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass zur Berech nung des Parameters eine Vorhersage der kognitiven Last des Fahrers zu einer vorgege benen Zeit, in einer vorgegeben Zeitspanne und/oder einer vorgegebenen Distanz bein haltet.

Hierdurch kann eine Vorhersage über die in Kürze zu erwartende kognitive Last getroffen werden und eine geeignete Anzeigekonfiguration frühzeitig in Abhängigkeit von der zu er wartenden kognitiven Last ausgewählt werden. Somit kann bereits vor Eintritt einer Auf merksamkeit erfordernden Situation eine Auswahl der angezeigten Informationen auf die wichtigsten Informationen erreicht werden.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass in einem normalen Fährbetrieb des Kraftfahrzeugs den Fahrer betreffende Messgrößen erfasst werden und der Fahrer in eine von mehreren Nutzertypklassen kategorisiert wird, wobei die Informationsdichte in Abhängigkeit von der Nutzertypklasse des Fahrers angepasst wird.

Es ist bekannt, dass unterschiedliche Fahrer in Abhängigkeit verschiedener Aspekte un terschiedliche kognitive Leistungsfähigkeit aufweisen und durch unterschiedliche Fahrsitu ationen unterschiedlich stark beansprucht werden. So benötigt ein Fahranfänger mehr Aufmerksamkeit und damit kognitiven Aufwand als ein routinierter Fahrer. Auch gibt es gewisse, zum Beispiel altersbedingte, Unterschiede in der Aufnahmefähigkeit und Verar beitungsgeschwindigkeit von Informationen zwischen verschiedenen Fahrern. Des Weite ren ist es bekannt, dass die Fahrtdauer einen Einfluss darauf hat, wie aufmerksam ein Fahrer ist. Derartige Messgrößen können im Rahmen dieser Ausgestaltung erfasst wer den, wodurch eine auf den Fahrer abgestimmte Anzeigekonfiguration ausgewählt werden kann.

Dieser Ausgestaltung kann dazu verwendet werden, für verschiedene Fahrertypen ver schiedene Informationssätze bereitzustellen. Manche Fahrer können eine größere Anzahl von Informationen verarbeiten als andere, sodass verhindert werden kann, dass diejeni gen Fahrer, die nicht so viele Informationen verarbeiten können, durch die Mensch-Ma- schine-Schnittstelle überlastet werden.

In einerweiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die fahrsi- tuationsbezogenen Eingangsgrößen Messgrößen zum Fahrer, zum Kraftfahrzeug und/ oder zur Umwelt umfassen.

Umweltbezogene Messgrößen können Straßenführung, Verkehr, Wetter, Tageszeit und dergleichen umfassen, fahrerbezogene Messgrößen können Interaktionen mit der Mensch-Maschine-Schnittsteile, Blickrichtung, Fahrverhalten und dergleichen umfassen, kraftfahrzeugbezogene Messgrößen können Dynamik, Assistenzsystemeinsatz und der gleichen umfassen.

Es hat sich gezeigt, dass diese Parameter geeignet sind, eine kognitive Last für den Fah rer vorherzusagen. Je zügiger der Fahrer fährt, desto mehr Aufmerksamkeit muss er der Straße widmen. Je kurviger eine Straße ist, desto mehr Lenkeingaben sind erforderlich, die den Fahrer kognitiv beanspruchen. Je mehr Verkehrsteilnehmer auf der Straße unter wegs sind, desto mehr Aufmerksamkeit ist erforderlich, da der Fahrer das Verhalten der anderen Verkehrsteilnehmer beobachten und ggf. auf dieses reagieren muss. Wenn ein vor dem Fahrer fahrendes Kraftfahrzeug beispielsweise bremst, muss der Fahrer eben falls bremsen. Durch monotone Fahrsituationen wie beispielsweise Strecken ohne Kurven mit wenig Verkehrsteilnehmer, kann sich Aufmerksamkeit und Konzentration des Fahrers verringern. Hierbei kann das Reaktionsverhalten des Fahrers beeinträchtigt werden.

In einerweiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass wenigstens zwei Anzeigekonfigurationen vorgesehen sind, die eine unterschiedliche Informations dichte aufweisen, wobei eine Anpassung der Informationsdichte durch Auswahl einer An zeigekonfiguration vorgenommen wird.

Es können mehr als zwei unterschiedliche Anzeigekonfigurationen vorgesehen sein, die sich in manchen Ausgestaltungen in mehr als einer Parameterdimension unterscheiden können. So können unterschiedliche Anzeigekonfigurationen unterschiedliche Mengen an Informationen anzeigen, manche Informationen in unterschiedlichen Größen darstellen und die Position einer Information verändern, wobei zu beachten ist, dass ein Fahrer eine Information üblicherweise an einem bestimmten Ort vermutet, beispielsweise eine Ge schwindigkeitsanzeige, eine Drehzahl, eine Reichweite und dergleichen. Somit sind Aus gestaltungen denkbar, in denen eine Information herausgegriffen und zentral in entspre chender Größe dargestellt wird. Die übrigen Informationen können sich in bestimmten, für die entsprechende Information vorgesehenen Feldern befinden.

In einerweiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die Mensch- Maschine-Schnittsteile wenigstens zwei Anzeigevorrichtungen aufweist, auf denen jeweils eine Mehrzahl von für einen Fahrer des Kraftfahrzeugs relevanten Informationen darstell bar sind, wobei mittels des Algorithmus bestimmt wird, welche Information auf welcher Anzeigevorrichtung angezeigt wird.

Entsprechende Anzeigevorrichtungen können beispielsweise ein zentrales Informations display, ein Cockpitdisplay und/oder ein Head-up-Display sein. Auf diese Weise können sehr wichtige Informationen beispielsweise auf einer nahe des Blickfelds des Fahrers an geordneten Anzeigevorrichtung dargestellt werden, zum Beispiel auf einem Head-up-Dis- play.

In einerweiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass der Algorith mus durch ein maschinelles Lernen-Verfahren trainiert wird, indem mit einer Mehrzahl von Testfahrern Testfahrten durchgeführt werden, wobei während der Testfahrten zum Be schreiben einer Fahrsituation charakteristische Parameter erfasst und gespeichert wer den, wobei die Testfahrer während der Testfahrten Eingabeaufforderungen an einen Ein gabeelement einer Mensch-Maschine-Schnittsteile erhalten, wobei eine Eingabedauer zur Durchführung der Eingabe, eine Eingabefehlerrate und/oder eine Anzahl von Bedien schritten erfasst und mit den charakteristischen Parametern durch den Algorithmus korre liert werden.

Durch Verfahren des maschinellen Lernens ist es möglich, sehr komplexe Situationen zu verlässig zu beurteilen und insbesondere Vorhersagen über zukünftige kognitive Lasten in Abhängigkeit einer Vorhersage der verschiedenen Fahrsituationen zu treffen. Solche Vor hersagen sind mit klassisch aufgebauten Algorithmen schwer zu treffen. Des Weiteren können Algorithmen dieser Art während des laufenden Betriebs fortlaufend verbessert werden, sodass die Vorhersage der kognitiven Last und, je nach Ausgestaltung, die Kate- gorisierung der Fahrer in unterschiedliche Nutzertypklassen immer weiter verbessern.

Der Algorithmus kann in Form einer künstlichen Intelligenz zum Einsatz gebracht werden, die einen komplexen Filter, der sich wie zuvor besprochen weiter entwickeln kann.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass während der Testfahrten weitere für die kognitive Last der Testfahrer charakteristische Messgrößen erfasst und mit den charakteristischen Parametern der Fahrsituation korreliert werden, wobei die charakteristischen Messgrößen eine Fahrzeugposition auf einer Fahrspur, eine Anzahl von Überschreitungen einer Fahrspur, eine Dauer der Fahrspurüberschreitung, eine Abweichung von einer Sollgeschwindigkeit, Kopfbewegungen, Armbewegungen, Lenkradeingaben, Pedaleingaben, und/oder eine Blickrichtung des Fahrers umfassen können.

Die Reaktionszeit auf komplexe Aufgaben ist ein sinnvoller Maßstab, um die kognitive Last eines Fahrers in einer bestimmten Situation zu bestimmen. Je mehr Aufmerksamkeit der Fahrer für die Fahrtätigkeit in der aktuellen Fahrsituation benötigt, desto länger braucht er, um die Aufgaben zu erledigen. Auch die Präzision der Fahrt, d. h. wie exakt der Fahrer innerhalb seiner Spur fährt, wie oft der die Spur überschreitet, wie lange er die Spur überschreitet etc. sind ein Indiz dafür, wie stark der Fahrer momentan kognitiv belas tet ist.

Auch die Überwachung des Fahrers selbst, beispielsweise mittels einer Innenraumka mera, kann Rückschlüsse auf den momentanen Zustand des Fahrers erlauben. So kön nen schnelle Blickwechsel und Stabilisierungseingaben über die Pedalerie und das Lenk rad auf eine hohe visuell-manuelle Last hinweisen, wohingegen ein nicht stark belasteter Fahrer tendenziell ein balanciertes Blick- und Stabilisierungsverhalten zeigt. Des Weiteren können hektische Pedalbewegungen oder Lenkradeingaben auf eine hohe kognitive Last hindeuten.

Durch den Einsatz mehrerer verschiedener Testfahrer ist es des Weiteren möglich, die unterschiedlichen Nutzertypklassen besser voneinander differenzieren zu können.

Ein erster unabhängiger Gegenstand betrifft eine Vorrichtung zur Steuerung einer Mensch-Maschine-Schnittsteile eines Kraftfahrzeugs beschrieben, wobei die Mensch-Ma- schine-Schnittstelle wenigstens eine Anzeigevorrichtung zur Darstellung von Informatio nen aufweist, wobei Mittel zum Ermitteln wenigstens eines Fahrsituationsparameters, der eine Fahrsituation des Kraftfahrzeuges charakterisiert, vorgesehen sind und wobei Mittel zur Bestimmung eines Lastparameters in Abhängigkeit des ermittelten Fahrsituationspa rameters mittels eines Algorithmus vorgesehen sind, wobei der Lastparameter eine kogni tive Last eines Fahrers des Kraftfahrzeugs charakterisiert, wobei Mittel zum Anpassen ei ner Informationsdichte der wenigstens einen Anzeigevorrichtung von mittels der Anzeige vorrichtung darzustellenden Informationen in Abhängigkeit des Lastparameters vorgese hen sind, wobei der Algorithmus einen Datensatz mit Fahrsituationsparametern umfasst, wobei jedem Fahrsituationsparameter jeweils ein Lastparameter zugeordnet ist, wobei die Lastparameter auf Basis wenigstens einer gemessenen Messgröße beruhen, die ein Ver halten des Fahrers charakterisieren.

In einer ersten weiterführenden Ausgestaltung kann vorgesehen sein, dass ferner Mittel zum Ermitteln wenigstens eines Verhaltensparameters vorgesehen sind, wobei der Ver haltensparameter ein aktuelles Verhalten des Fahrers charakterisiert, wobei die Mittel zum Anpassen einer Informationsdichte dazu eingerichtet sind, die Informationsdichte der auf der Anzeigevorrichtung darzustellenden Informationen unter Berücksichtigung von dem ermittelten Verhaltensparameter zu variieren.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Vorhersa gemittel zur Berechnung der kognitiven Last des Fahrers zu einer vorgegebenen Zeit, in einer vorgegeben Zeitspanne und/oder einer vorgegebenen Distanz vorgesehen sind.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Sensoren zum Erfassen von den Fahrer betreffende Messgrößen in einem normalen Fährbetrieb des Kraftfahrzeugs und Kategorisierungsmittel vorgesehen sind, um den Fahrer in eine von mehreren Klassen zu kategorisieren, wobei die Vorrichtung dazu eingerichtet ist, die Anzeigekonfiguration in Abhängigkeit von der Nutzertypklasse des Fahrers vorzunehmen.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die fahrsi- tuationsbezogenen Eingangsgrößen Parameter zum Fahrer, zum Fahrzeug, zur Umwelt, zur Fahrzeugdynamik, Straßenführung, zum Verkehrszustand und/oder Wetter umfassen.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass wenigstens zwei Anzeigekonfigurationen vorgesehen sind, die eine unterschiedliche Informations dichte aufweisen, wobei die Mittel zum Anpassen einer Informationsdichte dazu eingerich tet sind, eine Anpassung der Informationsdichte durch Auswahl einer Anzeigekonfigura tion vorzunehmen.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die Mensch- Maschine-Schnittsteile wenigstens zwei Anzeigevorrichtungen aufweist, auf denen jeweils eine Mehrzahl von für einen Fahrer des Kraftfahrzeugs relevanten Informationen darstell bar sind, wobei der Algorithmus dazu eingerichtet ist zu bestimmen, welche Information auf welcher Anzeigevorrichtung angezeigt wird.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass der Algorith mus durch ein maschinelles Lernen-Verfahren trainiert ist, indem mit einer Mehrzahl von Testfahrern Testfahrten durchgeführt werden, wobei während der Testfahrten zum Be schreiben einer Fahrsituation charakteristische Parameter mittels Erfassungsmitteln er fasst und in einem Speicher gespeichert werden, wobei die Testfahrer während der Test fahrten durch Kommunikationsmittel Eingabeaufforderungen an einen Eingabeelement ei ner Mensch-Maschine-Schnittsteile erhalten, wobei mittels einer Uhr eine Eingabedauer zur Durchführung der Eingabe erfasst und mit den charakteristischen Parametern durch den Algorithmus korreliert werden.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Erfassungs mittel zum Erfassen weiterer für die kognitive Last der Testfahrer charakteristische Mess größen durch Erfassungsmittel während der Testfahrten und Rechenmittel zur Korrelation mit den charakteristischen Parametern der Fahrsituation vorgesehen sind, wobei die cha rakteristischen Messgrößen eine Fahrzeugposition auf einer Fahrspur, eine Anzahl von Überschreitungen der Fahrspur, eine Dauer der Fahrspurüberschreitung, eine Abwei chung von einer Sollgeschwindigkeit, Kopfbewegungen, Armbewegungen, Lenkradeinga ben, Pedaleingaben, und/oder eine Blickrichtung des Fahrers umfassen.

Ein weiterer unabhängiger Gegenstand betrifft ein Computerprogrammprodukt, mit einem computerlesbaren Speichermedium, auf dem Befehle eingebettet sind, die, wenn sie von wenigstens einer Recheneinheit ausgeführt werden, bewirken, dass die wenigstens eine Recheneinheit dazu eingerichtet ist, das Verfahren nach einem der vorangegangenen An sprüche auszuführen.

Das Verfahren kann auf einer oder auf mehreren Recheneinheiten verteilt ausgeführt wer den, sodass bestimmte Verfahrensschritte auf der einen Recheneinheit und andere Ver fahrensschritte auf wenigstens einer weiteren Recheneinheit ausgeführt werden, wobei berechnete Daten sofern notwendig zwischen den Recheneinheiten übermittelt werden können.

Ein weiterer unabhängiger Gegenstand betrifft eine Mensch-Maschine-Schnittsteile mit wenigstens einer Anzeigevorrichtung und wenigstens einer Recheneinheit sowie wenigs tens einem mit der Recheneinheit verbundenem Speichermedium, auf dem ein Computer programmprodukt der zuvor beschriebenen Art gespeichert ist, das von der Recheneinheit ausführbar ist.

Eine entsprechende Mensch-Maschine-Schnittsteile kann bei Nutzung in einem Kraftfahr zeug die zuvor erwähnten Eigenschaften und Vorteile aufweisen.

Ein weiterer unabhängiger Gegenstand betrifft eine Mensch-Maschine-Schnittsteile eines Kraftfahrzeugs, mit wenigstens einer Anzeigevorrichtung zur optischen Darstellung von für einen Fahrer des Kraftfahrzeugs relevanten Informationen, wobei wenigstens eine Re cheneinheit vorgesehen ist, die mit wenigstens einem Speichermedium verbunden ist, wo bei die Recheneinheit zur Steuerung der wenigstens einen Anzeigevorrichtung vorgese hen ist, wobei auf dem Speichermedium wenigstens zwei unterschiedliche Anzeigekonfi gurationen zum Betreiben der wenigstens einen Anzeigevorrichtung gespeichert sind, wo bei die Recheneinheit mit wenigstens einem Fahrsituationssensor verbunden ist, der eine Fahrsituation betreffende Messgrößen erfasst, wobei die Recheneinheit dazu eingerichtet ist, aus den Eingangsgrößen des Fahrsituationssensor mittels eines Algorithmus wenigs tens einen Fahrsituationsparameter zu ermitteln, der eine Fahrsituation des Kraftfahrzeu ges charakterisiert, und in Abhängigkeit des ermittelten Fahrsituationsparameters einen Lastparameter zu bestimmen, der eine kognitive Last eines Fahrers des Kraftfahrzeugs charakterisiert, und in Abhängigkeit des Lastparameters eine der Anzeigekonfigurationen auszuwählen und mittels der wenigstens einen Anzeigevorrichtung darzustellen wobei der Algorithmus einen Datensatz mit Fahrsituationsparametern umfasst, wobei jedem Fahrsi tuationsparameter jeweils ein Lastparameter zugeordnet ist, wobei die Lastparameter auf Basis wenigstens einer gemessenen Messgröße beruhen, die ein Verhalten des Fahrers charakterisieren.

Ein entsprechender Fahrsituationssensor kann beispielsweise eine Kamera, ein Radar system, eine Kraftfahrzeug-zu Kraftfahrzeug-Kommunikationsvorrichtung, eine Kraftfahr- zeug-zu Umgebung-Kommunikationsvorrichtung, ein Navigationssystem, und/oder ein Wettersensor wie beispielsweise ein Temperatur und/oder Regensensor sein.

Der Algorithmus kann beispielsweise ein Kennfeld-basierter Algorithmus sein.

In einer ersten weiterführenden Ausgestaltung kann vorgesehen sein, dass die Rechen einheit mit wenigstens einem Fahrerüberwachungssensor verbunden ist, der einen Fahrer betreffende Messgrößen erfasst, wobei die Recheneinheit zur Berechnung des Lastpara meters unter Hinzuziehung der Messgrößen des Fahrerüberwachungssensors ausgebil det ist.

Ein entsprechender Fahrerüberwachungssensor kann beispielsweise eine Kamera sein, die auf den Fahrer gerichtet ist und dessen Kopfbewegung, Gestik und Blickparameter wie Lidschlusszeiten, Blickdauer, Blickrichtung und/oder Augenbewegungen etc. erfasst. Ein weiterer Fahrerüberwachungssensor kann ein reiner Augensensor sein.

In einerweiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die Rechen einheit zur Überwachung einer Interaktion des Fahrers mit der Mensch-Maschine-Schnitt- stelle ausgebildet ist und zur Erfassung von die Interaktion beschreibenden Messgrößen ausgebildet ist.

Hierdurch können Eingabeaktionen, z.B. Bediendauer, Bedienfehler, Unterbrechungen in der Bedienung, überwacht und zur Anzeigekonfiguration hinzugezogen werden.

In einerweiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die Rechen einheit mit wenigstens einem Fahrzeugsensor verbunden ist, der einen Fahrzustand des Kraftfahrzeugs betreffende Messgrößen erfasst.

Ein solcher Sensor kann beispielsweise ein Pedalsensor zum Erfassen von Pedaleinga ben, ein Lenkradsensor zum Erfassen von Lenkeingaben, ein Geschwindigkeitssensor, ein Beschleunigungssensor zum Erfassen einer Beschleunigung und/oder einer Kurven geschwindigkeit und/oder ein Schlupfsensor sein.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass wenigstens zwei Anzeigevorrichtungen vorgesehen sind, wobei die Recheneinheit dazu eingerichtet ist, anhand der berechneten kognitiven Last auszuwählen, auf welcher der wenigstens zwei Anzeigevorrichtungen eine fahrerrelevante Information angezeigt wird.

Derartige Anzeigevorrichtungen können beispielsweise ein Head-up-Display, ein zentrales Informationsdisplay und/oder ein Cockpitdisplay sein.

In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass der auf dem Speichermedium gespeicherte Algorithmus ein selbstlernender Algorithmus ist.

Selbstlernende Algorithmen sind in der Lage, sehr komplexe Situationen zu verarbeiten.

Je nach Ausgestaltung kann der Algorithmus zudem eine künstliche Intelligenz aufweisen.

Ein weiterer unabhängiger Gegenstand betrifft ein Kraftfahrzeug mit einer Mensch-Ma schine Schnittstelle der zuvor beschriebenen Art.

Weitere Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Ausführungsbei spiel im Einzelnen beschrieben ist. Beschriebene und/oder bildlich dargestellte Merkmale bilden für sich oder in beliebiger, sinnvoller Kombination den Gegenstand, gegebenenfalls auch unabhängig von den Ansprüchen, und können insbesondere zusätzlich auch Gegen stand einer oder mehrerer separater Anmeldung/en sein. Gleiche, ähnliche und/oder funk tionsgleiche Teile sind mit gleichen Bezugszeichen versehen. Dabei zeigen schematisch:

Fig. 1 ein Kraftfahrzeug mit einer Mensch-Maschine-Schnittsteile;

Fig. 2A, B Anzeigevorrichtungen der Mensch-Maschine-Schnittsteile aus Fig. 1 in zwei unterschiedlichen Konfigurationen;

Fig. 3 eine Fahrsituation, in der sich das Kraftfahrzeug aus Fig. 1 befindet; Fig. 4A, B Prinzipskizzen zum Training eines Algorithmus der Mensch-Maschine-Schnitt- stelle aus Fig. 1 , sowie

Fig. 5 eine Prinzipskizze der Entscheidungsarchitektur der Mensch-Maschine-

Schnittsteile.

Fig. 1 zeigt ein Kraftfahrzeug 2 mit einer Mensch-Maschine-Schnittsteile 4 (Bestandteile gestrichelt umrahmt).

Die Mensch-Maschine-Schnittsteile 4 ist eine Schnittstelle zwischen dem Kraftfahrzeug 2 und einem Fahrer 6 sowie gegebenenfalls anderen Passagieren. Mittels der Mensch-Ma- schine-Schnittstelle 4 kann der Fahrer 6 Informationen vom und über das Kraftfahrzeug 2 erhalten sowie über geeignete, nicht dargestellte, Eingabemittel Steuerungseingaben für das Kraftfahrzeug 4 vornehmen, z.B. Zur Navigation, Multimediasteuerung, Klimatisie rung, Beleuchtung etc..

Vorliegend weist die Mensch-Maschine-Schnittsteile 4 drei Displays auf, ein Head-up-Dis- play 8, ein Cockpitdisplay 10 sowie ein zentrales Informationsdisplay 12. Das Head-up- Display 8 blendet Informationen in eine Frontscheibe des Kraftfahrzeugs 2 ein, das Cock pitdisplay 10 ist vor einem (nicht dargestellten) Lenkrad direkt vor dem Fahrer 6 angeord net und das zentrale Informationsdisplay 12 in der Nähe der Mitte eines ( in Fig. 1 nicht dargestellten) Armaturenbretts.

Die Mensch-Maschine-Schnittsteile 4 weist eine Steuerung 14 mit einer Recheneinheit 16 und einem Speichermedium 18 auf, auf dem ein Algorithmus 20 gespeichert ist, der nach folgend noch eingehend erläutert werden wird.

Die Steuerung 14 ist mit einer Vielzahl von Sensoren verbunden, von denen beispielhaft in Fig. 1 ein Radarsensor 22, ein Lenkwinkelsensor 24, eine Verkehrskamera 26 sowie eine Fahrerüberwachungskamera 28 dargestellt sind. Die Steuerung 14 kann mit einer Anzahl weiteren Sensoren verbunden sein. Eine erste Gruppe solcher Sensoren können neben dem Radarsensoren 22 und der Ver kehrskamera 26 weitere Sensoren zur Verkehrsüberwachung wie Lidar oder Kommunika tionsvorrichtungen wie Kraftfahrzeug-zu-Kraftfahrzeug-Kommunikationsmittel oder Kraft- fahrzeug-zu-lnfrastruktur-Kommunikationsmittel, Navigationssysteme, Wettersensoren und dergleichen sein, die allesamt zum Erhalt von Informationen über die Verkehrslage dienen.

Eine zweite Gruppe entsprechender Sensoren können neben dem Lenkwinkelsensor 24 Sensoren zur Überwachung des Zustands des Kraftfahrzeugs sein, beispielsweise Ge schwindigkeitssensoren, Raddrehzahlsensoren, Antriebssensoren, Pedalsensoren etc.

Zur dritten Gruppe der Fahrerüberwachungssensoren können neben der Fahrerüberwa chungskamera 28 Müdigkeitssensoren dienen, aber auch die bereits im Zusammenhang mit der zweiten Gruppe erwähnten Pedalsensoren und der Lenkwinkelsensor 24 können zur Fahrerüberwachung herangezogen werden, da hierüber Fahreraktionen an Steuermit teln des Kraftfahrzeugs 2, z.B. Lenkrad, Gas- oder Bremspedal, erfassbar sind.

Radarsensoren 22 sowie Verkehrskamera 26 dienen zur Überwachung des sich vor dem Kraftfahrzeug 2 befindenden Verkehrs. Mithilfe dieser Informationen kann die Steuerung 14 mittels des Algorithmus 20 Vorhersagen über die aktuelle und zukünftige Verkehrslage und -Situation treffen.

Mithilfe des Lenkwinkelsensors 24 und anderer Sensoren zur Überwachung des Kraftfahr zeugs 2 kann die Steuerung 14 Informationen über den dynamischen Zustand des Kraft fahrzeugs 2 gewinnen.

Mithilfe der Fahrerüberwachungskamera 28 ist es möglich festzustellen, wie beschäftigt bzw. wie stark abgelenkt der Fahrer 6 momentan ist. Die Fahrerüberwachungskamera 28 kann beispielsweise Bewegungen und Ausrichtung eines Kopfs 30 des Fahrers 6 und/o der seiner Augen feststellen. Derartige Informationen können neben der Überwachung der Steuerungseingaben in das Kraftfahrzeug 2 mittels Lenkrad und Pedalen Rück schlüsse über die kognitive Last des Fahrers des Kraftfahrzeugs 2 zulassen.

Fig. 2A, B zeigen die Anzeigevorrichtungen die 8, 10, 12 der Mensch-Maschine-Schnitt- stelle 4 aus Fig. 1 in zwei unterschiedlichen Anzeigekonfigurationen A und B. Die Anzeigevorrichtungen 8, 10, 12 sind an einem Armaturenbrett 32 angeordnet.

Das Head-up-Display 8 zeigt in der in Fig. 2A dargestellten Konfiguration Informationen zur aktuellen Fahrgeschwindigkeit 34, Navigationsinformationen 36 sowie Spurhalteassis- tentinformationen 38 an und informiert den Fahrer somit umfassend.

Das Cockpitdisplay 10 zeigt ebenfalls Informationen zu aktuellen Fahrgeschwindigkeit 34 sowie Drehzahlinformationen 40 an. Zudem werden Multimediainformationen 42 darge stellt.

Auf dem zentralen Informationsdisplay 12 sind Karteninformationen 44 angezeigt.

Fig. 2A stellt eine Anzeigekonfiguration A dar, in der die kognitive Last des Fahrers gering ist und er eine Vielzahl von Informationen von der Mensch-Maschine-Schnittsteile 4 auf nehmen und verarbeiten kann.

In der Anzeigekonfiguration B gemäß Fig. 2B hingegen ist die kognitive Last höher und es wird eine gegenüber der Anzeigekonfiguration gemäß Fig. 2 A sehr reduzierte Anzahl an Informationen dargestellt.

So wird auf dem Head-up-Display 8 lediglich die Navigationsinformationen 36 gezeigt. Auf dem Cockpitdisplay 10 ist lediglich die Fahrgeschwindigkeitsinformation 34 dargestellt.

Auf dem zentralen Informationsdisplay 12 werden neben den Karteninformationen 44 auch die Multimediainformationen 42 dargestellt.

Die in Fig. 2B dargestellte Konfiguration erlaubt es dem Fahrer, die in der entsprechenden Fahrsituation relevantesten Informationen schnell zu erfassen.

Fig. 3 zeigt eine Fahrsituation, in der sich das Kraftfahrzeug 2 aus Fig. 1 befindet.

Das Kraftfahrzeug 2 fährt auf eine Straßenkreuzung 46 zu. An der Straßenkreuzung 46 herrscht viel Verkehr. Vor dem Kraftfahrzeug 2 fährt ein weiteres Kraftfahrzeug 48, dem Kraftfahrzeuges 2 kommt ein weiteres Kraftfahrzeug 50 entgegen, die Straßenkreuzung 46 wird von einem weiteren Kraftfahrzeug 52 überquert, ein entgegenkommendes Kraft fahrzeug 54 wartet und ein Fußgänger 56 läuft über einen Zebrastreifen 58.

Zum Darstellungszeitpunkt ist die kognitive Last des Fahrers 6 des Kraftfahrzeugs 2 nur leicht erhöht, da er sich auf die Navigation an der kommenden Straßenkreuzung 46 vor bereitet. Je näher er an die Straßenkreuzung 46 kommt, desto höher wird die kognitive Last, da er auf der einen Seite das Verhalten der Vielzahl von Verkehrsteilnehmern 48 bis 56 überwachen muss, auf der anderen Seite immer noch navigieren muss. In diesem Fall fällt es dem Fahrer 6 schwer, sämtliche zur Verfügung stehenden Informationen betref fend Navigation und Kraftfahrzeug 2 aufzunehmen, weswegen es sinnvoll ist, die Anzahl der angezeigten Informationen auf der Mensch-Maschine-Schnittsteile 4 erheblich zu re duzieren und die wichtigsten Informationen entsprechend groß und prägnant darzustellen, sodass sie unmittelbar ins Auge springen.

Fig. 4A, B zeigen Prinzipskizzen zum Training des Algorithmus 20 der Mensch-Maschine- Schnittsteile 4 aus Fig. 1.

Der Algorithmus 20 weist zwei unterschiedliche Dimensionen der Klassifizierung auf, ei nerseits betreffend die aktuelle Fahrsituation, andererseits betreffend den Fahrer. Der Al gorithmus 20 ist ein selbstlernender Algorithmus, der durch Training mittels Testfahrern auf Testfahrten entwickelt wird.

Während des Trainings des Algorithmus 20 werden zum Beschreiben einer Fahrsituation charakteristische Parameter mittels eines Datenschreibers erfasst und ausgewertet. Des Weiteren können weitere für die Fahrerablenkung charakteristische Messgrößen wie Au gen- bzw. Kopfbewegungen und Blickrichtung, Gesten und/oder Pedal- und Lenkwinkel einstellungen aufgezeichnet werden. Des Weiteren kann erfasst werden, wie lange es dauert, bis der Fahrer eine Lenkeingabe vornimmt, wo er sich auf der Fahrspur befindet, unter welchen Umständen, wie lange und wie oft er die Fahrspur verlässt und wie kon stante die Geschwindigkeit hält.

Während der zuvor erwähnten Testfahrten werden die Testfahrer wiederholt aufgefordert, eine oder mehrere standardisierte Bedieneingaben an der Mensch-Maschine-Schnittsteile 4 vorzunehmen. Während der Bedieneingaben herrschen unterschiedliche Verkehrsbe dingungen. Die Eingabezeitdauer, die ein Testfahrer für die geforderte Eingabe benötigt, korreliert einerseits mit der kognitiven Last des Fahrers bedingt durch die Fahrsituation und andererseits mit der Ablenkung des Fahrers, zum Beispiel bedingt durch die Auffor derung zur Eingabe von Informationen.

Die gemessenen Bedienzeiten zum Erledigen der Aufgaben werden zusammen mit den charakteristischen Parametern aufgezeichnet und ausgewertet.

In Fig. 4A ist dargestellt, wie verschiedene Fahrer aufgrund der zuvor beschriebenen Ein gangsgrößen zur einer aktuellen Situation (Fahrzeugdynamik, Strecke, Verkehr, Wetter, Mensch-Maschine-Schnittstelle-Eingaben), in verschiedene Fahrertypklassen einsortiert werden.

Routinierte Fahrer werden bei vergleichbaren Fahrsituationen geringere Fahrspurabwei chungen aufweisen und schneller Eingaben in die Mensch-Maschine-Schnittsteile 4 vor nehmen können als weniger routinierte Fahrer. Letztere sollten von der Mensch-Ma- schine-Schnittstelle 4 geringer belastet werden als erstere, z.B. durch eine vereinfachte Menüführung. Solche Fahrer werden dann in eine niedrigere Fahrertypklasse einsortiert als routinierte Fahrer.

In Fig. 4B ist dargestellt, wie aufgrund der gleichen Eingangsgrößen eine Analyse der kognitiven Last des Fahrers in Abhängigkeit von der aktuellen Position, dem aktuellen Streckenabschnitt, dem Verkehr, dem Wetter etc. vorgenommen wird.

Somit kann einerseits eine Vorselektion der überhaupt in Frage kommenden Anzeigekon figurationen A, B erfolgen und andererseits eine Korrelation zwischen der Fahrsituation und der kognitiven Last vorgenommen werden. Hieraus kann der im Kraftfahrzeug 2 ein gesetzte Algorithmus 20 entwickelt werden, der über die angezeigten Informationen auf den Anzeigen 8, 10, 12 der Mensch-Maschine-Schnittsteile 4 entscheidet.

Fig. 5 zeigt eine Prinzipskizze der Entscheidungsarchitektur der Mensch-Maschine- Schnittsteile 4.

Im späteren Fährbetrieb werden die gleichen Eingangsgrößen wie beim Training gemäß der Fig. 4A, B erfasst und mittels des künstliche Intelligenz-Algorithmus 20 ausgewertet. Zusätzlich zu den aktuellen Eingaben wird ein sogenannter digitaler elektronischer Hori zont erstellt, also eine Vorhersage über die in Kürze vorherrschende Fahrsituation. Der Horizont kann einen Abstand von beispielsweise 50 bis 200 m oder 1000 m oder einen Zeitraum von z.B. 5 bis 30 Sekunden umfassen. Über den digitalen elektronischen Hori zont können die entsprechenden Eingangsgrößen dynamisch prädiziert werden (z.B. mit tels ADASIS).

Aus den Eingangsgrößen berechnet der Algorithmus 20 einerseits, welcher Fahrertyp klasse der aktuelle Fahrer zugehört. Andererseits trifft der Algorithmus 20 eine Vorher sage darüber, welche kognitive Last im kommenden Streckenabschnitt vorherrschen wird. Diese Informationen werden an die Steuerung 14 der Mensch-Maschine-Schnittsteile 4 übergeben, die daraus eine entsprechende Anzeigekonfiguration A, B auswählt.

Abhängig vom Nutzertyp könnten z.B. drei kognitive Leistungsstufen (3 hoch - 2 mittel - 1 gering) auf z.B. fünf Darstellungsstufen abgebildet werden (4 max - 3 hoch - 2 mittel - 1 gering - 0 minimal). Für einen Fahrer mit der Leistungsstufe 3 hoch können die Laststufen 3-2-1 z.B. den Darstellungsstufen 4-3-2 zugeordnet werden, einem Fahrer mit Leistungs stufe 2 die Darstellungsstufen 3-2-1 und einem Fahrer mit Leistungsstufe 1 die Darstel lungsstufen 2-1-0.

In alternativen Ausgestaltungen kann statt einer künstlichen Intelligenz ein Kennfeld er stellt werden, nach dem in Abhängigkeit von den Eingangsgrößen eine entsprechende Anzeigekonfiguration A, B ausgewählt wird.

Obwohl der Gegenstand im Detail durch Ausführungsbeispiele näher illustriert und erläu tert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass bei spielhaft genannte Ausführungsformen nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Be schreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbar ten Erfindungsgedankens vielfältige Änderungen beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Ele mente vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehenden Erläuterung in der Be schreibung, definiert wird.

Bezugszeichenliste

2 Kraftfahrzeug

4 Mensch-Maschine-Schnittsteile

6 Fahrer

8 Head-up-Display

10 Cockpitdisplay

12 zentrales Informationsdisplay

14 Steuerung

16 Recheneinheit

18 Speichermedium

20 Algorithmus

22 Radarsensor

24 Lenkwinkelsensor

26 Verkehrskamera

28 Fahrerüberwachungskamera

30 Kopf

32 Armaturenbrett

34 Fahrgeschwindigkeitsinformation 36 Navigationsinformation

38 Spurhalteassistentinformation

40 Drehzahlinformationen

42 Multimediainformationen

44 Karteninformationen

46 Straßenkreuzung

48, 50, 52, 54 Kraftfahrzeug 56 Fußgänger

58 Zebrastreifen

A, B Anzeigekonfiguration